zunaechst

Ich bin kein Experte für Infektionskrankheiten. Bitte lesen Sie es nach dem Verständnis.

Die Zahl der mit dem Coronavirus infizierten Menschen nimmt täglich zu. Die Seite des Ministeriums für Gesundheit, Arbeit und Soziales enthält keine benutzerfreundlichen offenen Daten, aber einige Präfekturen veröffentlichen Daten auf offenen Datenportalseiten. Da wir Daten über die Anzahl der PCR-Tests und die Anzahl der Infizierten haben, haben wir die Veränderungen in der Anzahl der Infizierten untersucht.

Ich habe das Diagramm eine Woche später mit den Daten aktualisiert, und es ist ersichtlich, dass die Infektionsrate niedriger ist als letzte Woche.

Änderungsprotokoll 2020/4/19: Erster Beitrag 2020/4/27: Aktualisierte Grafik mit Daten für 2020/4/26

Daten Die Daten zur Anzahl der PCR-Tests und zur Anzahl der Infizierten in Japan insgesamt werden vom Ministerium für Gesundheit, Arbeit und Soziales im WEB veröffentlicht. Es sind jedoch keine numerischen Daten wie das CSV-Format, die im WEB einfach angezeigt werden können. Andererseits veröffentlichen einige Präfekturen Daten für jede Präfektur im CSV-Format. Saitama: https://saitama.stopcovid19.jp/

Da die Daten der Präfektur Saitama einfach zu verwenden sind, untersuchten wir den Übergang der Infektionsrate von der Anzahl der PCR-Tests und der Anzahl der Infizierten in der Präfektur Saitama. Da die Daten der Präfektur Saitama jedoch als Anzahl der Inspektionen (Gesamtzahl der Personen) und nicht als Anzahl der Inspektionen angegeben sind, Infektionsrate = Anzahl der Infizierten / Anzahl der Tests (Gesamtzahl der Personen) Wird berechnet.

Wenn das Datenformat für jede Präfektur vereinheitlicht wurde, konnten andere Präfekturen sofort untersucht werden, aber leider wurde es nicht vereinheitlicht.

Änderungen der Infektionsrate

Paket laden

import pandas as pd
import matplotlib.pyplot as plt

Daten gelesen

data = pd.read_csv('data/saitama_kensa_20200418.csv')
data.columns = ['day', 'PCR', 'Confirmed']
print(data.head())
print(data.tail())

Die Daten zur Anzahl der PCR-Tests reichen von 2020/1/31 bis 2020/4/18.

         day  PCR  Confirmed
0  2020/1/31    1          0
1   2020/2/1    1          0
2   2020/2/2    0          0
3   2020/2/3    0          0
4   2020/2/4    1          0
          day  PCR  Confirmed
74  2020/4/14   37          7
75  2020/4/15  110         28
76  2020/4/16  147         21
77  2020/4/17   70          9
78  2020/4/18  100         21

Anzeige der Anzahl der PCR-Tests und der Anzahl der infizierten Personen

plt.plot(data.loc[:,'PCR'])
plt.plot(data.loc[:,'Confirmed'])
plt.xlabel('day')
plt.ylabel('Number')
plt.legend()
plt.savefig('fig1.png')

Veröffentlicht am 19. April 2020 Veröffentlicht am 27. April 2020

Änderungen der Infektionsrate

Da die tägliche Infektionsrate stark schwankt, zeigen wir auch den gleitenden 7-Tage-Durchschnitt an. Der gleitende Durchschnitt lag in den ersten 50 Tagen unter 10%, ist aber seitdem auf rund 20% gestiegen.

rate = data.loc[:,'Confirmed']/data.loc[:,'PCR'].fillna(0.0)
rate_ma = rate.rolling(7).mean().fillna(0)
plt.plot(rate * 100, label='rate', linewidth=1)
plt.plot(rate_ma * 100, label='rate_ma', linewidth=3)
plt.ylim(0.0, 30.0)
plt.xlabel('day')
plt.ylabel('Rate(%)')
plt.legend()
plt.savefig('fig2.png')

Veröffentlicht am 19. April 2020 Veröffentlicht am 27. April 2020 Nach den Daten vom 19. April 2020 lag der gleitende Durchschnitt der Infektionsrate bei rund 20%. Nach Angaben vom 26. April 2020 ist sie jedoch auf rund 10% gesunken.

Wir hoffen, dass durch das Unterlassen des Ausgehens die Anzahl der Infizierten verringert wird.

[PYTHON] Änderungen der Coronavirus-Infektionsrate

zunaechst

Änderungen der Infektionsrate